Aymane El Hizaz

Mission : Mise en place et implémentation de modèles de Machine Learning pour la prédiction des tendances de progrès physiques au sein d’un projet. - Participation aux ateliers avec les équipes métiers pour qualifier, analyser et challenger les exigences . - Rédaction des spécifications fonctionnelles et techniques en lien avec les attentes métiers. - Conception et automatisation de pipelines ETL sous Dataiku pour l'extraction, la transformation et le chargement des données. - Développement de modèles de machine learning pour anticiper l'évolution physique des projets . - Implémentation et optimisation de régressions Random Forest afin d'améliorer la précision des prédictions . - Intégration et test des résultats des modèles dans une application web basée sur Flask. - Migration des modèles vers Dataiku avec mise en place du monitoring et application des bonnes pratiques MLOps. - Rédaction de documentation technique pour assurer la pérennité et la maintenabilité des solutions développées. Env Techniques : Python, Scikit-learn, Random Forest, Flask, Dataiku, Machine Learning ,Azure Devops , Git .

Mission : Conception et mise en place d'un système automatisé de validation des candidatures, intégrant des modèles de deep learning pour l'analyse et la vérification des documents officiels. - Participation aux ateliers avec les équipes métiers pour qualifier, analyser et challenger les exigences. - Conception et mise en place de pipelines de transformation de données multi-niveaux (Staging, Intermediate, Mart) avec DBT et SQL, incluant des tests automatisés et une documentation complète. - Développement et optimisation de flux ELT performants pour intégrer diverses sources de données dans l'écosystème analytique (Salesforce, ServiceNow, Business Central, etc.). - Rédaction de documentation technique détaillée et accompagnement des équipes utilisatrices pour favoriser l'adoption des solutions. - Création et exécution de plans de tests unitaires et de recette pour garantir la fiabilité des développements. - Enrichissement et maintenance du catalogue de données d'entreprise pour améliorer la découverte et la gouvernance des actifs de données. Env techniques : Python, Pycharm, DBT core, SQl, Databricks

Mission : Développement de rapports analytiques pour optimiser le suivi du cycle de vie des matières premières utilisées dans la production et le conditionnement du thé, au sein de la DSI de Mathé. - Collaboration avec les utilisateurs clés lors d'ateliers pour affiner les besoins métiers. - Création de rapports d'analyse sous Power BI et mise en place des KPIs - Participation à la collecte et au traitement de données multi-sources en collaboration avec les équipes métier - transformation des données entre les différentes couches (Bronze, Silver, Gold) en utilisant Databricks, SQL, PySpark, Azure Data Factory - Optimisation les performances des flux de données Databricks via des techniques avancées (Z-Order, partitionnement, broadcast joins) et la maintenance des Delta Tables (OPTIMIZE, VACUUM, COMPRESS) Environnements techniques : Azure Data Factory, databricks,SQL, PySpark, Scala, Power BI